Lévyの連続性定理

同義語:レヴィの連続性定理Lévy's continuity theorem

概要

Lévyの連続性定理(Lévy's continuity theorem)とは、$\mathbb R^d$ 上の確率測度の列 $\mu_n$ が $\mu$ に弱収束すれば特性関数 $\varphi_n$ が $\mu$ の特性関数に広義一様収束し、逆に $\varphi_n$ がすべての点で関数 $\varphi$ に収束して $\varphi$ が原点で連続なら、$\varphi$ はある確率測度 $\nu$ の特性関数で $\mu_n$ は $\nu$ に弱収束する、という定理である。証明の要は、特性関数の族が原点でそろって連続であることと分布の族が緊密であることの同値性である。原点での連続性を外すと $[-n,n]$ の一様分布が反例になり、原点の近くだけの収束では極限が決まらない。Cramér–Wold の方法、Poisson の少数の法則、大数の弱法則が系として得られる。

$$\newcommand{C}[0]{\mathbb{C}} \newcommand{div}[0]{\mathbin{÷}} \newcommand{N}[0]{\mathbb{N}} \newcommand{Q}[0]{\mathbb{Q}} \newcommand{R}[0]{\mathbb{R}} \newcommand{Z}[0]{\mathbb{Z}} $$

前提知識: 特性関数(確率論), 確率変数の収束, Prokhorovの定理

Lévyの連続性定理(Lévy's continuity theorem)とは、確率分布の弱収束を特性関数の各点収束で言い換える定理である。$\mathbb R^d$ 上の確率測度の列 $\mu_n$ の特性関数を $\varphi_n$ とすると、$\mu_n$ がある確率測度 $\mu$ に弱収束すれば $\varphi_n$ は $\mu$ の特性関数に各点収束する。逆に、$\varphi_n$ がすべての点である関数 $\varphi$ に収束し、$\varphi$ が原点で連続なら、$\varphi$ はある確率測度 $\nu$ の特性関数で、$\mu_n$ は $\nu$ に弱収束する。極限の分布を前もって知らなくても、特性関数の極限を計算するだけで分布の収束と極限の分布が同時に分かる。中心極限定理 をはじめ、独立な確率変数の和の極限定理の多くはこの定理を通して証明される。
1 次元の場合の主張と証明は 特性関数(確率論) の定理「Lévy の連続性定理」にある。この記事では次を扱う。

  • $\mathbb R^d$ での主張と、緊密性の評価を含む完全な証明(thm-lct-main)。証明の要は、特性関数の原点での「一様な連続性」と緊密性が同じことである(prop-lct-tight-equicont)。
  • 弱収束から特性関数の広義一様収束が従うこと、Cramér–Wold の方法(cor-lct-cramer-wold)。
  • 仮定「原点で連続」「すべての点で収束」を外した反例と、全体での一様収束が成り立たない例。
  • 応用:Poisson の少数の法則と大数の弱法則の特性関数による証明。

設定

$\mathbb R^d$ の内積を $t\cdot x$、ユークリッドノルムを $\lvert x\rvert$ と書き、$e_1,\dots,e_d$ を標準基底とする。$\mathbb R^d$ の Borel 集合の上の確率測度の全体を $\mathcal P(\mathbb R^d)$ と書く。

多次元の特性関数と弱収束

$\mu\in\mathcal P(\mathbb R^d)$ の 特性関数 を
$$ \varphi_\mu(t):=\int_{\mathbb R^d}e^{it\cdot x}\,\mu(dx)\qquad(t\in\mathbb R^d) $$
と定める。$\mathbb R^d$ 値の確率変数 $X$ については $\varphi_X(t):=E[e^{it\cdot X}]$ とする。$\mu_n,\mu\in\mathcal P(\mathbb R^d)$ について、すべての有界連続関数 $g\colon\mathbb R^d\to\mathbb R$ で $\int g\,d\mu_n\to\int g\,d\mu$ となるとき、$\mu_n$ は $\mu$ に 弱収束 するといい、$\mu_n\Rightarrow\mu$ と書く。

これは Prokhorovの定理 の定義「距離空間の上の弱収束」の $S=\mathbb R^d$ の場合で、$d=1$ では分布関数による定義と同値である。$\mathcal P(\mathbb R^d)$ の族 $\Pi$ が 緊密 であるとは、任意の $\varepsilon>0$ に対して $M>0$ があって、すべての $\mu\in\Pi$ で $\mu(\{x:\lvert x\rvert>M\})\le\varepsilon$ となることをいう。$\mathbb R^d$ の有界閉集合はコンパクトなので、これは Prokhorovの定理 の定義「緊密な族」と同じである。
$k\in\{1,\dots,d\}$ を固定すると、$s\mapsto\varphi_\mu(se_k)$ は $\mu$ を第 $k$ 座標へ写した $\mathbb R$ 上の分布の特性関数である。$\varphi_\mu(0)=1$、$\lvert\varphi_\mu\rvert\le1$、$\varphi_\mu(-t)=\overline{\varphi_\mu(t)}$ はすぐに確かめられる。

特性関数は分布を決める

特性関数による分布の決定

$\mu,\nu\in\mathcal P(\mathbb R^d)$ が $\varphi_\mu=\varphi_\nu$ を満たすなら $\mu=\nu$ である。

滑らかな試験関数を Fourier 反転で書く

要点:コンパクトな台をもつ滑らかな関数 $f$ は Fourier 変換の積分で書けるので、$\int f\,d\mu$ は特性関数だけで決まる。

詳しい証明を開く

$f$ を $\mathbb R^d$ 上の $C^\infty$ 級でコンパクトな台をもつ関数とし、$\widehat f(\xi):=\int f(x)e^{-2\pi ix\cdot\xi}\,dx$ とおく(Fourier変換 の定義「Fourier変換」)。部分積分を各座標で $k$ 回ずつ行うと $\lvert\xi_j\rvert^k\lvert\widehat f(\xi)\rvert$ は有界なので、$\widehat f$ は $(1+\lvert\xi\rvert)^{-d-1}$ の定数倍で抑えられ、可積分である。$f$ は連続なので Fourier変換 の定理「$L^1$ の反転公式」から、すべての $x$ で $f(x)=\int\widehat f(\xi)e^{2\pi ix\cdot\xi}\,d\xi$ である。$\lvert\widehat f(\xi)e^{2\pi ix\cdot\xi}\rvert=\lvert\widehat f(\xi)\rvert$ は $\mu\otimes d\xi$ で可積分なので、Fubiniの定理 により

$$\int f\,d\mu=\int\widehat f(\xi)\,\varphi_\mu(2\pi\xi)\,d\xi$$

である。右辺は $\varphi_\mu$ だけで決まるので $\int f\,d\mu=\int f\,d\nu$ である。

次に $g$ を連続でコンパクトな台をもつ関数とする。$\rho_\varepsilon$ を台が半径 $\varepsilon$ の球に含まれる滑らかな確率密度とすると、$g*\rho_\varepsilon$ は $C^\infty$ 級でコンパクトな台をもち、$g$ の一様連続性から $g$ に一様収束する。よって $\int g\,d\mu=\int g\,d\nu$ である。最後に $g$ を有界連続関数とし、$\chi_R$ を $0\le\chi_R\le1$、半径 $R$ の球の上で $1$、半径 $R+1$ の球の外で $0$ の連続関数とする。$g\chi_R$ に前段を当て、$R\to\infty$ として 優収束定理 を使うと $\int g\,d\mu=\int g\,d\nu$ である。Prokhorovの定理 の補題「連続関数による有限測度の決定」から $\mu=\nu$ である。$\square$

1 次元では 特性関数(確率論) の系「特性関数は分布を決める」が反転公式から同じことを示している。$d$ 次元の反転公式は Dur19 Theorem 3.10.4(p. 199)にある。

緊密性と原点での一様な連続性

主定理の証明の中心は次の命題である。特性関数の族が原点で「そろって」連続であることと、分布の族の確率が無限遠へ逃げないことは同じである。

特性関数の増分の評価

$\mu\in\mathcal P(\mathbb R^d)$、$t,h\in\mathbb R^d$ について
$$ \lvert\varphi_\mu(t+h)-\varphi_\mu(t)\rvert^2\le2\bigl(1-\operatorname{Re}\varphi_\mu(h)\bigr) $$
である。

$\lvert e^{i(t+h)\cdot x}-e^{it\cdot x}\rvert=\lvert e^{ih\cdot x}-1\rvert$ と Cauchy–Schwarz の不等式から
$$ \lvert\varphi_\mu(t+h)-\varphi_\mu(t)\rvert^2\le\Bigl(\int\lvert e^{ih\cdot x}-1\rvert\,\mu(dx)\Bigr)^2\le\int\lvert e^{ih\cdot x}-1\rvert^2\,\mu(dx)=\int2\bigl(1-\cos(h\cdot x)\bigr)\,\mu(dx) $$
で、右辺は $2(1-\operatorname{Re}\varphi_\mu(h))$ である。$\square$

とくに、特性関数は $\mathbb R^d$ 全体で一様連続である。原点での連続性の度合いが、全体での連続性の度合いを支配している。

緊密性と原点での同程度連続性

$\Pi\subset\mathcal P(\mathbb R^d)$ について、次は同値である。

  1. $\Pi$ は緊密である。
  2. $\Pi$ の特性関数は原点で同程度連続である。すなわち $\sup_{\mu\in\Pi}\lvert1-\varphi_\mu(t)\rvert\to0$($t\to0$)である。
    このとき、$\Pi$ の特性関数は $\mathbb R^d$ 上で一様に同程度連続である。
原点の近くの積分で裾を抑える

1 ⇒ 2。 $\varepsilon>0$ とし、すべての $\mu\in\Pi$ で $\mu(\{\lvert x\rvert>M\})\le\varepsilon$ となる $M$ をとる。$\lvert e^{it\cdot x}-1\rvert\le\lvert t\cdot x\rvert\le\lvert t\rvert M$($\lvert x\rvert\le M$)、$\lvert e^{it\cdot x}-1\rvert\le2$ から
$$ \lvert1-\varphi_\mu(t)\rvert\le\int\lvert1-e^{it\cdot x}\rvert\,\mu(dx)\le\lvert t\rvert M+2\varepsilon $$
で、$\lvert t\rvert\le\varepsilon/M$ なら右辺は $3\varepsilon$ 以下である。
2 ⇒ 1。 $\mu\in\Pi$、$k\in\{1,\dots,d\}$、$u>0$ とする。$\mu$ の第 $k$ 座標の分布の特性関数は $s\mapsto\varphi_\mu(se_k)$ なので、特性関数(確率論) の補題「特性関数による裾の評価」から
$$ \mu\Bigl(\Bigl\{x:\lvert x_k\rvert>\frac2u\Bigr\}\Bigr)\le\frac1u\int_{-u}^u\bigl(1-\varphi_\mu(se_k)\bigr)\,ds\le2\sup_{\lvert t\rvert\le u}\lvert1-\varphi_\mu(t)\rvert $$
である。$\lvert x\rvert>2\sqrt d/u$ ならある $k$ で $\lvert x_k\rvert>2/u$ なので
$$ \sup_{\mu\in\Pi}\mu\Bigl(\Bigl\{\lvert x\rvert>\frac{2\sqrt d}u\Bigr\}\Bigr)\le2d\sup_{\mu\in\Pi}\sup_{\lvert t\rvert\le u}\lvert1-\varphi_\mu(t)\rvert $$
で、2 から $u\to0$ で右辺は $0$ に近づく。
一様な同程度連続性。 $\lvert1-\operatorname{Re}\varphi_\mu(h)\rvert\le\lvert1-\varphi_\mu(h)\rvert$ なので、lem-lct-increment から $\sup_{\mu\in\Pi}\sup_{t}\lvert\varphi_\mu(t+h)-\varphi_\mu(t)\rvert^2\le2\sup_{\mu\in\Pi}\lvert1-\varphi_\mu(h)\rvert\to0$($h\to0$)である。$\square$

1 次元で緊密な族の特性関数が同程度連続になることは Dur19 Exercise 3.3.13(p. 136)にある。

主定理

Lévy の連続性定理($\mathbb R^d$)

$\mu_n$($n\ge1$)と $\mu$ を $\mathbb R^d$ 上の確率測度とし、特性関数を $\varphi_n$、$\varphi_\mu$ とする。

  1. $\mu_n\Rightarrow\mu$ なら、$\varphi_n$ は $\varphi_\mu$ に $\mathbb R^d$ の各コンパクト集合の上で一様に収束する。
  2. すべての $t\in\mathbb R^d$ で $\varphi_n(t)$ がある複素数 $\varphi(t)$ に収束し、関数 $\varphi$ が $t=0$ で連続なら、$\varphi=\varphi_\nu$ となる確率測度 $\nu$ がただ 1 つあり、$\mu_n\Rightarrow\nu$ である。とくに $\varphi$ は $\mathbb R^d$ 全体で連続で、収束は各コンパクト集合の上で一様である。
緊密性・部分列・一意性

1、各点収束。 $t$ を固定すると $x\mapsto\cos(t\cdot x)$ と $x\mapsto\sin(t\cdot x)$ は有界連続なので、弱収束の定義から $\varphi_n(t)\to\varphi_\mu(t)$ である。
1、広義一様収束。 $\{\mu_n\}\cup\{\mu\}$ は緊密である。実際、$\mathbb R^d$ は完備で可分であり、$(\mu_n)$ のどの部分列も $\mu$ に弱収束するので $\{\mu_n\}$ は Prokhorovの定理 の定義「弱収束に関する相対コンパクト性」の意味で相対コンパクトで、Prokhorovの定理 の定理「緊密性と相対コンパクト性」の 2 から緊密である。1 つの確率測度 $\mu$ を加えても緊密である。prop-lct-tight-equicont から、$\delta>0$ に対して $\eta>0$ があり、$\lvert h\rvert\le\eta$ ならすべての $n$ と $\mu$ について $\lvert\varphi(t+h)-\varphi(t)\rvert\le\delta$($\varphi$ は $\varphi_n$ か $\varphi_\mu$)である。コンパクト集合 $K$ を、中心が $s_1,\dots,s_m\in K$ で半径 $\eta$ の有限個の球で覆う。$n$ が十分大きければ $\max_j\lvert\varphi_n(s_j)-\varphi_\mu(s_j)\rvert\le\delta$ で、$t\in K$ を $\lvert t-s_j\rvert\le\eta$ となる $s_j$ と比べると
$$ \lvert\varphi_n(t)-\varphi_\mu(t)\rvert\le\lvert\varphi_n(t)-\varphi_n(s_j)\rvert+\lvert\varphi_n(s_j)-\varphi_\mu(s_j)\rvert+\lvert\varphi_\mu(s_j)-\varphi_\mu(t)\rvert\le3\delta $$
である。
2、段 1:緊密性。 $\varphi_n(0)=1$ なので $\varphi(0)=1$ である。$\varepsilon>0$ とし、$\varphi$ の原点での連続性から、$\lvert t\rvert\le u$ で $\lvert1-\varphi(t)\rvert\le\varepsilon$ となる $u>0$ をとる。各 $k$ について、$\lvert1-\varphi_n(se_k)\rvert\le2$ で $\varphi_n(se_k)\to\varphi(se_k)$ なので、優収束定理 から
$$ \frac1u\int_{-u}^u\bigl(1-\varphi_n(se_k)\bigr)\,ds\ \longrightarrow\ \frac1u\int_{-u}^u\bigl(1-\varphi(se_k)\bigr)\,ds $$
であり、右辺の絶対値は $2\varepsilon$ 以下である。よってある $N$ があって、$n\ge N$ とすべての $k$ について左辺は $3\varepsilon$ 以下である。左辺は prop-lct-tight-equicont の証明の 2 ⇒ 1 の最初の不等式により $\mu_n(\{\lvert x_k\rvert>2/u\})$ 以上なので、$n\ge N$ で
$$ \mu_n\Bigl(\Bigl\{\lvert x\rvert>\frac{2\sqrt d}u\Bigr\}\Bigr)\le\sum_{k=1}^d\mu_n\Bigl(\Bigl\{\lvert x_k\rvert>\frac2u\Bigr\}\Bigr)\le3d\varepsilon $$
である。$n< N$ の有限個の測度は、それぞれ $\mu_n(\{\lvert x\rvert>M\})\to0$($M\to\infty$)なので、$M$ を大きくとればまとめて $3d\varepsilon$ 以下にできる。よって $(\mu_n)$ は緊密である。
段 2:部分列の極限。 Prokhorovの定理 の定理「緊密性と相対コンパクト性」の 1 から、$(\mu_n)$ の任意の部分列は、ある確率測度 $\rho$ に弱収束する部分列 $(\mu_{n_j})$ をもつ。1 から $\varphi_{n_j}\to\varphi_\rho$ が各点で成り立つが、$\varphi_{n_j}\to\varphi$ でもあるので $\varphi_\rho=\varphi$ である。とくに $\varphi$ はある確率測度 $\nu$ の特性関数で、prop-lct-unique から、このようにして現れる $\rho$ はすべて $\nu$ に等しい。$\nu$ はただ 1 つである。
段 3:列全体の収束。 段 1 と段 2 から、Prokhorovの定理 の系「部分列の原理」により $\mu_n\Rightarrow\nu$ である。残りの主張は $\varphi=\varphi_\nu$ と lem-lct-increment と 1 から従う。$\square$

段 1 で原点での連続性を使ったのは、各 $\varphi_n$ を原点の近くで平均した量が、極限 $\varphi$ を平均した量に近づくことを通してである。各点収束だけでは $\sup_n\lvert1-\varphi_n(t)\rvert$ は小さくならない(prop-lct-tight-equicont の 2 は一般に成り立たない)が、平均をとると優収束定理が使えて、有限個を除いた緊密性が得られる。1 次元の場合の定理と証明は Dur19 Theorem 3.3.17(p. 132)にあり、$d$ 次元への拡張は Theorem 3.10.5 とその後の Remark(p. 200)にある(定理そのものは極限が特性関数である場合の形)。同書の $d$ 次元の証明は、各座標への射影に 1 次元の定理を当てて緊密性を出す。上の証明は射影ごとの裾の評価を直接まとめた。

極限が特性関数かどうか

2 の結論の一部は、「特性関数の列の各点極限が原点で連続なら、それ自身が特性関数である」ことである。原点での連続性は外せない(次節の表の 1 行目)。特性関数そのものの特徴づけとしては、連続な関数 $\varphi$ が確率分布の特性関数であることと、$\varphi(0)=1$ かつ $\varphi$ が正定値であることが同値である(Bochnerの定理)。特性関数の各点極限はつねに正定値で $\varphi(0)=1$ を満たすが、原点で連続でなければ特性関数とは限らない。2 はその連続性を原点 1 点で確かめれば足りることを示している。

Cramér–Wold の方法

$\mathbb R^d$ 値の確率変数 $X_n$、$X$ について、$X_n$ が $X$ に分布収束することと、すべての $\theta\in\mathbb R^d$ について実数値の確率変数 $\theta\cdot X_n$ が $\theta\cdot X$ に分布収束することは同値である。

方向ごとの特性関数を集める

$s\in\mathbb R$ について $\varphi_{\theta\cdot X_n}(s)=E[e^{is\theta\cdot X_n}]=\varphi_{X_n}(s\theta)$ である。$X_n\Rightarrow X$ なら、$x\mapsto g(\theta\cdot x)$($g$ は有界連続)が有界連続なので $\theta\cdot X_n\Rightarrow\theta\cdot X$ である。逆に、すべての $\theta$ で $\theta\cdot X_n\Rightarrow\theta\cdot X$ なら、thm-lct-main の 1($d=1$)を $s=1$ で使って $\varphi_{X_n}(\theta)\to\varphi_X(\theta)$ がすべての $\theta$ で成り立つ。$\varphi_X$ は連続なので thm-lct-main の 2 と prop-lct-unique から $X_n\Rightarrow X$ である。$\square$

十分性は Dur19 Theorem 3.10.6(p. 200)にある。多次元の分布収束が 1 次元の分布収束の族に帰着するので、たとえば独立同分布で平均 $m$、共分散行列 $\Sigma$ が有限な確率ベクトルの和について、各 $\theta$ で $\theta\cdot X_j$ に 1 次元の 中心極限定理 を当てると、$(S_n-nm)/\sqrt n$ が平均 $0$、共分散 $\Sigma$ の 多変量正規分布 に分布収束することが分かる($\theta^{\top}\Sigma\theta=0$ の方向では両辺が $0$ に退化する)。

反例:仮定を外すと成り立たないこと

外す仮定・結論例起こること
極限が原点で連続(thm-lct-main の 2)$\mu_n$ を $[-n,n]$ の一様分布とする$\varphi_n(t)=\frac{\sin nt}{nt}$ は $t\ne0$ で $0$ に、$t=0$ で $1$ に収束する。$\mu_n([-M,M])=M/n\to0$ で、$\mu_n$ はどの確率測度にも弱収束しない
すべての点での収束(thm-lct-main の 2)$\mu_n$ を $n$ が偶数なら $P$、奇数なら $Q$ とする($P$、$Q$ は下の確かめで定める)$\lvert t\rvert\le1$ では $\varphi_n(t)=1-\lvert t\rvert$ で収束し、極限は原点で連続である。しかし $\varphi_n(3/2)$ は $0$ と $1/2$ を交互にとり、$\mu_n$ は弱収束しない
全体での一様収束(thm-lct-main の 1 は「コンパクト集合の上で」)$\mu_n=\delta_{1/n}$(点 $1/n$ に確率 $1$)$\mu_n\Rightarrow\delta_0$ だが、$\sup_t\lvert e^{it/n}-1\rvert=2$($t=n\pi$)で、$\mathbb R$ 全体では一様に収束しない
表の確かめ

1 行目。 $\frac1{2n}\int_{-n}^ne^{itx}\,dx=\frac{\sin nt}{nt}$($t\ne0$)で、$\lvert\sin nt/(nt)\rvert\le1/(n\lvert t\rvert)\to0$ である。もし $\mu_n\Rightarrow\nu$ なら、thm-lct-main の 1 から $\varphi_\nu(t)=0$($t\ne0$)、$\varphi_\nu(0)=1$ となり、特性関数の連続性(lem-lct-increment)に反する。$[-n,n]$ の幅が広がって、確率が無限遠へ逃げている。
2 行目。 $P$ を密度 $\frac{1-\cos x}{\pi x^2}$ の分布とすると $\varphi_P(t)=(1-\lvert t\rvert)^+$ である(Dur19 Example 3.3.15(p. 131))。$Q$ を
$$ Q(\{0\})=\frac12,\qquad Q(\{(2k-1)\pi\})=\frac{2}{\pi^2(2k-1)^2}\quad(k\in\mathbb Z) $$
で定める。奇数 $m\ge1$ について $\sum1/m^2=\pi^2/8$ なので全確率は $\frac12+\frac4{\pi^2}\cdot\frac{\pi^2}8=1$ である。$\varphi_Q(t)=\frac12+\frac4{\pi^2}\sum_{m\ge1,\ m\ \text{奇数}}\frac{\cos m\pi t}{m^2}$ は周期 $2$ の関数で、$[-1,1]$ の上の $1-\lvert t\rvert$ の Fourier 級数(係数 $2\int_0^1(1-t)\cos m\pi t\,dt=\frac{2(1-\cos m\pi)}{m^2\pi^2}$)に等しい。級数は一様収束するので $\lvert t\rvert\le1$ で $\varphi_Q(t)=1-\lvert t\rvert$ である(Dur19 Example 3.3.24(p. 139))。$\varphi_Q(3/2)=\varphi_Q(-1/2)=1/2$、$\varphi_P(3/2)=0$ である。$\mu_n$ が弱収束するなら thm-lct-main の 1 から $\varphi_n(3/2)$ が収束するはずなので、$\mu_n$ は弱収束しない。2 つの異なる分布の特性関数が原点の近くで一致しうるので、原点の近くでの収束だけでは極限の分布が決まらない。
3 行目。 $\varphi_n(t)=e^{it/n}$ で、$t=n\pi$ で $e^{i\pi}-1=-2$ である。各コンパクト集合の上では $\lvert e^{it/n}-1\rvert\le\lvert t\rvert/n$ で一様に $0$ に近づく。

応用

Poisson の少数の法則

$\lambda>0$ とし、$X_n$ を二項分布 $B(n,p_n)$ に従う確率変数、$np_n\to\lambda$ とする。このとき $X_n$ は平均 $\lambda$ の Poisson分布 に分布収束し、各 $k\ge0$ で $P(X_n=k)\to e^{-\lambda}\lambda^k/k!$ である。
実際、$z_n:=p_n(e^{it}-1)$ とおくと $\varphi_{X_n}(t)=(1+z_n)^n$ である。$z_n\to0$、$nz_n\to\lambda(e^{it}-1)$ で、$\lvert z\rvert\le\frac12$ なら主枝の対数について $\lvert\log(1+z)-z\rvert\le\sum_{m\ge2}\lvert z\rvert^m/m\le\lvert z\rvert^2$ である。$n\lvert z_n\rvert^2\to0$ なので $n\log(1+z_n)\to\lambda(e^{it}-1)$ で、$\varphi_{X_n}(t)\to\exp(\lambda(e^{it}-1))$ である。右辺は Poisson 分布の特性関数で連続なので、thm-lct-main の 2 から分布収束する。整数 $k$ で $1$、ほかの整数で $0$ をとる有界連続関数 $g$(区分的に一次の関数)をとると $P(X_n=k)=E[g(X_n)]\to e^{-\lambda}\lambda^k/k!$ である。

特性関数による大数の弱法則

$X_1,X_2,\dots$ を独立同分布の実数値の確率変数とし、特性関数 $\varphi$ が $t=0$ で微分可能とする。$\varphi'(0)$ は純虚数で、$\varphi'(0)=ia$ と書くと、$S_n:=X_1+\dots+X_n$ について $S_n/n$ は $a$ に確率収束する。

積の差を項ごとに抑える

要点:$\varphi(t/n)$ を $e^{iat/n}$ と比べ、$n$ 乗の差を $n$ 倍の差で抑える。

詳しい証明を開く

$\varphi(-t)=\overline{\varphi(t)}$ なので $\varphi'(0)=-\overline{\varphi'(0)}$ で、$\varphi'(0)$ は純虚数である。$\lvert z\rvert,\lvert w\rvert\le1$ なら $z^n-w^n=(z-w)\sum_{j=0}^{n-1}z^jw^{n-1-j}$ から $\lvert z^n-w^n\rvert\le n\lvert z-w\rvert$ である。$t$ を固定すると、微分可能性から $\varphi(t/n)=1+iat/n+o(1/n)$、また $e^{iat/n}=1+iat/n+O(1/n^2)$ なので $\lvert\varphi(t/n)-e^{iat/n}\rvert=o(1/n)$ である。よって

$$\bigl\lvert\varphi_{S_n/n}(t)-e^{iat}\bigr\rvert=\bigl\lvert\varphi(t/n)^n-(e^{iat/n})^n\bigr\rvert\le n\cdot o(1/n)\to0$$

である。$e^{iat}$ は点 $a$ に確率 $1$ をおく分布の特性関数で連続なので、thm-lct-main の 2 から $S_n/n$ は $a$ に分布収束する。$\varepsilon>0$ について、$0\le g\le1$、$g(a)=1$、$\lvert x-a\rvert\ge\varepsilon$ で $g(x)=0$ の連続関数 $g$ をとると $P(\lvert S_n/n-a\rvert\ge\varepsilon)\le1-E[g(S_n/n)]\to1-g(a)=0$ である。$\square$

$E[\lvert X_1\rvert]< \infty$ なら $\varphi'(0)=iE[X_1]$ なので(特性関数(確率論) の定理「積率と微分」)、これは平均が有限な場合の 大数の法則(弱法則)を含む。上の形は $E[\lvert X_1\rvert]< \infty$ を仮定していない(Dur19 Exercise 3.3.14(p. 136))。

補足

  • 名前。 定理は P. Lévy にちなむ。応用で使われるのは、極限の分布を前もって仮定しない 2 の形である。
  • 無限次元では同じ形では成り立たない。 証明の段 1 は、$\mathbb R^d$ の有界閉集合がコンパクトであることを使った。実数列の Hilbert 空間 $\ell^2$ の上で、$\mu_n$ を「最初の $n$ 座標が独立な標準正規分布で、残りの座標が $0$」の分布とすると、特性汎関数 $\int e^{i\langle h,x\rangle}\mu_n(dx)=\exp(-\frac12\sum_{k\le n}h_k^2)$ は各 $h\in\ell^2$ で $\exp(-\frac12\|h\|^2)$ に収束し、極限はノルムについて連続である。しかしこれを特性汎関数にもつ $\ell^2$ 上の確率測度はない。あれば座標 $x_k$ は独立な標準正規分布に従い(有限個の座標の特性関数を見る)、大数の法則 から確率 $1$ で $\sum_kx_k^2=\infty$ となって、$x\in\ell^2$ に反する。

関連項目

参考文献

[1]
Rick Durrett, Probability: Theory and Examples, 5th ed., Cambridge University Press, 2019, Example 3.3.15(p. 131)、Theorem 3.3.17(p. 132)、Exercise 3.3.13・3.3.14(p. 136)、Example 3.3.24(p. 139)、Theorem 3.10.4(p. 199)、Theorem 3.10.5・3.10.6(p. 200)

Mathpediaは寄付と、参考文献の書籍リンク(Amazonアソシエイト)の紹介料で運営されています。 支援について / 寄付する